2024年4月17日，英伟达CEO黄仁勋Jensen Huang参加Cadence LIVE硅谷2024大会，对话全球最大电子设计自动化EDA软件公司Cadence CEO Anirudh Devgan，讨论 AI与加速计算在塑造行业大趋势方面的关键作用，英伟达与 Cadence 如何合作推动EDA、SDA、数字生物学与 AI 领域转型变革。
2024年1月8日，美国AMD超微半导体公司董事长、CEO苏姿丰近期参加微软CTO凯文·斯科特Kevin Scott主持的《Behind the Tech》播客节目，分享自己的成长经历，早期对工程学与弄清事物如何运作的兴趣，她认为目前是近几十年来硬件领域最令人兴奋的时刻。
2024年4月17日，波士顿动力通过X平台官方账号，发布崭新短片，宣告液压Atlas的下一代，电动Atlas机器人诞生。IEEE Spectrum网站发布就新版电动Atlas，专访波士顿动力CEO Robert Playter的文章。Robert Playter披露电动机器人来龙去脉，与波士顿动力将如何通过新版Atlas实现人形机器人商业化。
本期长期主义，选择黄仁勋对话 Cadence CEO、苏姿丰接受《Behind the Tech》播客专访、波士顿动力CEO Robert Playter接受IEEE Spectrum网站专访纪要，腾讯科技、钛媒体AGI、瓦砾村夫发布，六合商业研选精校，分享给大家，Enjoy！
黄仁勋对话 Cadence CEO：AI 将在数据中心、机器人/自动驾驶、生命科学三个领域带来革命性影响
4 月 17 日，英伟达 CEO 黄仁勋Jensen Huang参加Cadence LIVE 硅谷2024 大会，期间以嘉宾身份对话Cadence CEO Anirudh Devgan，讨论 AI与加速计算在塑造行业大趋势方面的关键作用，英伟达与 Cadence 如何合作推动EDA、SDA、数字生物学与 AI 领域的转型变革。
Cadence专门从事电子设计自动化的软件公司，1988年，由SDASystems与ECAD两家公司合并而成，全球最大的电子设计自动化、半导体技术解决方案与设计服务供应商。
Cadence客户均为全球最具创新性的公司，涉及超大规模计算、5G通信、汽车、移动、航空航天、消费、工业、医疗保健等领域。Cadence主要为客户提供从芯片、电路板到完整系统的产品，英伟达、AMD等芯片制造商均为Cadence的主要合作伙伴。
对话内容摘要：
Anirudh Devgan：我很荣幸的向你们介绍黄仁勋，我不需要再更多介绍他。我们公司与英伟达有着长期合作关系。黄仁勋与英伟达正在改变世界，非常了不起。今天对话中，黄仁勋将会向我们传授过去30年间如何领导一家公司，如何转变行业，以及如何开拓新市场的经验。
黄仁勋：很高兴能够参加此次对话活动。我喜欢设计人员，喜欢设计工具，喜欢Cadence。我也喜欢Cadence的PCB设计布线工具Allegro与集成电路设计验证平台软件Palladium两款产品。
对我而言，Palladium是唯一比冰箱更重要的应用程序。Palladium是我一生中唯一最重要的应用程序，英伟达也是这款应用最大的客户，英伟达采用Palladium安装与运行了第一批超级计算机。
我们难以置信的迷恋Palladium，我们喜欢你们从事的工作，没有Palladium，英伟达就不可能做得好。
Anirudh Devgan：我们非常喜欢与英伟达间的伙伴关系。值得注意的是，你知道自己现在是教父，所有人都称你为教父。
黄仁勋：当教父说什么，什么就会发生；当教父想要什么，他就能得到什么。很明显，我达不到这个水平。
Anirudh Devgan：就AI而言，英伟达处于这一产业创新的最前沿。你认为未来5年，大模型会变成什么样？数据中心架构会发生什么样变化？你对下一步有什么看法？这是一个长期的旅程，未来5年，你认为AI会如何发展？
黄仁勋：我们后退一步，你刚才的主题演讲可能是最精华的部分。例如，它凸显了底层计算机技术的变革。原因当然如你所知，Cadence与计算机技术相互成就彼此。底层计算平台的根本性转变，它是Cadence的基础，也是所有依赖Cadence行业的基础，每个行业都是如此。
你刚才主题演讲中，非常清楚强调加速计算，给数字孪生平台Millennium带来诸多益处。一旦采用加速计算，生成式AI就有可能成为现实。如果没有向加速计算的过渡，生成式AI将很难实现。
转向加速计算好处是，过去使用CPU扩展很难，采用加速计算，能够带来1,000倍X因素，除此之外还有30倍的系数。
当把生成式AI加进去，在此基础上，还有另外10万倍的X因素。
你开始时提到的一些内容非常棒，你说设计工具只完成一次处理，设计师想做的是多次探索多维多模态。
这个问题上，没有正确答案，只有最佳答案。我们需要探索成千上万个不同领域，对浩瀚的设计空间进行彻底探索，实在是难以实现。
无限量的计算无法做到这一点，我们需要AI来帮助我们进入探索与优化的特定领域，使用有原则的求解器专门从事这项工作，我们可以一起做各种不同的事情。
就加速计算而言，我认为生成式AI，首先将改变Cadence开发软件的方式，还将改变我们使用软件的方式，这是第一位的。
我认为，除了能够做得很好之外，还有几个其他好处。我们用Cadence设计电路、芯片、PCB、系统，现在还有数据中心。
我们使用Cadence产品，来进行电路设计、逻辑设计、系统设计、仿真、验证、形式验证，并一直延伸到液冷系统等。
设计空间不再是一个芯片或一个系统，而是一个贯穿整个事物的共同设计。Millennium就是一个非常好的例子，本质而言，Cadence是一家协同设计公司，英伟达同样也是一家协同设计公司。
你必须在整个过程中进行创新，你把Cadence从一家芯片设计EDA公司转变为一家EDA SDA公司，我认为这是非常有远见的，也是非常必要的。这正是我们与Cadence合作的方式，以及我们设计系统的方式。
人们开始关注一些领域，你的主题演讲确实很棒，我建议大家多看几遍，它的内容量巨大。
你提到一个真正意义深远的领域是，通过投资加速计算、AI、数据中心等领域，我们能够设计出更好、更节能的产品。
现在请记住，你设计了一次芯片，能够以万亿倍速度出货；你建造了一个能够节约6%电力的数据中心，节约出的电力可供10亿人使用一整天。通过设计更好的软件、芯片与系统，我们为世界节省的能源，将对社会产生永久的效益。
一方面，AI消耗更多电力与数据中心；另一方面，通过更好的产品设计、更好的计算机、更好的汽车、更好的手机、更好的材料等，我们将减少其他98%的电力与能源消耗。
我认为我们真的是处于拐点，这些都是完全正确的。当前真的是令人兴奋的时刻，你的主题演讲真的突出了这一点。
Anirudh Devgan：你一直在谈论这种转变，英伟达制造出最好的芯片，但担心人们可能会混淆，你可能一直在强调这种转变不仅是制造芯片。
英伟达2024 GTC大会中，你的主题演讲涉及到构建整个数据中心、非常完整的系统。当把它们放在一起，你又谈到机架与液冷数据中心。
对一家芯片公司而言，向整个体系结构的转型，并不容易。英伟达已变身成为完整的软件系统公司，我很好奇，你是怎么做到，或者你是怎么想的。
这种转变确实很难实现，一些系统公司正在尝试制造芯片，这很困难，英伟达已经完美无暇完成从芯片到系统、软件、数据转变，我很好奇你是怎么做的？
黄仁勋：我认为你刚才说的最重要的事情是完美无暇。我做芯片设计师已有很长时间，我整个职业生涯都在从事这项工作。当你说完美无暇这个词时，我确信观众真的注意到这一点。这是我们很久以前就观察到的，结果证明是正确的。
首先需要注意的是，程序中一小部分代码，占用了绝大多数的租用时间。拿CFD为例，3%的代码占用99.9999%租用时间。如果是这样的话，为什么要使用完全相同的工具、相同的仪器、相同的处理器，来处理90%或者是全部的代码？为什么不为97%的代码，做一些事情，并为剩余3%的代码，做一些特殊的事情？通过这样做，可以把应用程序的速度提高10万倍。
需要这种优势来进行重写的应用程序非常非常少，我们很聪明的选择了计算机图形作为突出计算的首选，它是一种需要大量并行计算的应用程序，有利于并行处理，这是一个非常大的市场，发展非常快，创新非常多，我们选择了好的市场作为起点。
我们总是想象，除了计算机图形之外，还会有一大堆其他的应用涌现出来。
加速计算与通用计算并不相同。通用计算中，你可以创建一个处理器，它将运行所有代码，这绝对不是加速计算的情况。你知道是我创造了加速计算一词，我意思是可以加速一个应用程序，这是一个应用程序加速计算平台，你必须知道什么应用程序是正确的。
就英伟达而言，我们从选择计算机图形起步，我们也做了成像，我们做了分子动力学molecular Dynamics。我很高兴看到你们在数字生物学方面所做的工作。
想象如果芯片设计行业，被称为芯片发现行业，是我的工程团队会出现这种情况：看看我们2024年在Blackwell架构中发现了什么？2025年又会像干旱期一样，什么都没有发生。我们永远不会这样做，这是不对的，生物学要复杂得多。
在英伟达可以使用设计工具之前，我们还无法开发晶体管；在你们可以使用设计工具之前，还无法塑造生物学。你们需要设计工具，来跟上生物学的发展。
我认为世界上最大的行业之一将成为Cadence行业，而不是你在主题演讲中所说的1%。我认为Cadence在未来将有着巨大发展空间。
每一个行业，无论是生物学，还是交通运输行业，所有的应用程序都是不同的。有些与成像有关，有些与粒子物理有关，有些与流体有关，有些与有限元网格之类的事物有关。
算法是不同的，Cadence是一家数学与计算机技术公司，在很多方面，英伟达同样是一家数学与计算机技术公司，这就是我们相处得如此融洽的原因。
我们总是关注特定领域的加速，30年时间里，我们积累了基于CUDA架构的所有这些不同特定领域的DSL库，其中一些用于粒子，一些用于成像，一些用于AI等。
Anirudh Devgan：你在2024年GTC大会做了非常棒演讲。我想告诉你的是，下次你需要一个更大的体育场，2024年那个巨大的体育场没有足够空间，也许下次你会选择在拉斯维加斯召开GTC大会。
在2024年的活动中，你突出展示了多应用程序，几乎所有行业都有横向支持，对有些行业的影响可能是巨大的，比如你提到了生命科学。
你还谈到了机器人技术、自动驾驶等。有没英伟达参与的有一两个行业，让你在短期或中期内感到非常兴奋，并具有最大的影响潜力？
黄仁勋：你提到的这三个产业，恰巧就是让我目前超级兴奋的产业。
其中一个是数据中心或者仅仅是计算机技术，第二个是自动技术，我可以将这种技术抽象为机器人、自动机器与自动系统与半自动系统，这是一个总的类别。
无论是汽车还是卡车，披萨外卖机器人，还是人形关节自连接机器人，这类系统有很多共性，它们都需要有许多传感器，更重要的是需要功能安全。
设计计算机与验证计算机的方式，要求操作系统不是普通类型的操作系统，这一点非常重要。
AI的使用非常广泛，这些系统将随时连接到云，连接到数据中心，这样它就可以更新体验，报告故障与新的情况，下载新模型。
可以说，我喜欢整个自动系统领域，它是一个全新的类别。不久的将来，我们所有人都要制造的设备将会是人形机器人，人形机器人的制造成本可能会低很多。一些人认为，人形机器人售价会超过1万~2万美元。当前廉价汽车售价在1万~2万美元，我们为什么不能在这个价格区间内购买人形机器人？
在一个我们为人类设计的环境中，机器人可能会更加灵活与多功能。过去的生产线，是为人类设计，仓库是为人类设计，一大堆东西都是为人类设计。这种环境中，人形机器人可能更具生产力。
科学发现过程至关重要，但它是零星的，这就是为什么反摩尔定律Eroom’s Law是正确的。如果我们不转向加速计算，如果不转向AI，计算机行业将经历反摩尔定律，原因非常清楚，我们所做的工作量与计算量都在增长，CPU扩展速度已经放缓，我们的计算成本将会增长，而不是降低。鉴于此，我们必须转向加速计算，以节约电力、时间、支出。
我很喜欢这一点，我很喜欢将生物学变成工程领域。无论如何，我认为数字生物学将经历一场全面的复兴。
科学与工程越来越紧密，这是一个非常复杂的领域。我们必须创新，我们第一次拥有必要的工具计算系统，帮助我们处理非常混乱的大型系统的算法。数据驱动方法与你之前所说的原理性主要模拟方法相融合，融合可能会给我们一个机会。我认为这三个行业是正确的，它们的市场规模都将非常庞大，单是人形机器人的市场规模就已足够大。
Anirudh Devgan：无论如何，带有自动驾驶功能的汽车，也许会是第一款机器人，人形机器人随后也将成为另一个巨大的市场。
黄仁勋：的确是这样。
Anirudh Devgan：你对AI的能耗问题，有什么看法？数据中心当然可以优化，我们还能为此做什么？
黄仁勋：首先，加速计算的功耗非常高，原因是集成的计算机数量非常多。无论我们可以对电源利用率进行什么优化，都会直接转化为更高的性能，这种性能是可以衡量的，更高的工作效率会产生更多收入，或者直接转化为在相同性能情况下，购买更小的产品所节约的成本。
AI可以帮助人们节省能源。如果不是你自主创建AI模型，我们现在在工具中使用的模型，我们会发现节省6%以上的成本。
如果没有AI，这是不可能的。你投资了一次模型训练，数百万像我们一样的工程师从中受益；未来几十年内，数十亿人将享受到节省的成本，这就是考虑成本的方式。
考虑成本的方式，不仅仅是逐个案例，而是从医疗保健角度纵向考虑。你必须从整个跨度上，纵向考虑节省的成本与能耗，以及对气候变化的影响，不仅是你正在生产的产品，还有你正在设计的产品。
纵向看，AI将彻底改变我们应对气候变化的方式，有助于使用更少的能源，提高能效等。
Anirudh Devgan：你拥有一套非常独特的管理风格。今天与会者当中有许多人是工程师、经理人与管理者，你对此有什么建议？
黄仁勋：如何把管理系统与领导哲学的核心思想转化为行动，那就是你愿意创造条件让杰出的人可以从事他们一生的工作，这就是我所认同的管理哲学。
问题是我们能做些什么来创造条件，让人们可以一生从事他们工作。
我认为最重要的一个方面，是让他们获得信息，我不认为我做的任何决定，只需要一个人听到，或者我需要私下告诉个别人一些信息，没有人值得听到或可以听到这些信息。
我倾向于在大环境做我的大部分工作，不同的专家团队与有贡献的人聚集在一起，我们只是解决问题。
除了公司面临挑战的透明度，与人们应该获得的信息之外，我还喜欢在人们面前讲道理，并提出基于良好推理的方向建议。
通过强迫自己讲道理，我正在做两件事：一是影响他人；其次是教导他人。
我认为向员工充分授权，是英伟达的规模如此之小的原因之一。
我们只有2.8万名员工，体量却非常庞大，这是几乎每个人都有权利，能够代表我做出合理的决定。
你组织的属性，应该反映你制造的产品。
英伟达是一家全栈技术公司，我们人员充足，完全是联合设计。联合设计，意味着你不应该只与硬件团队合作，或者只同软件团队合作，你应该同时在所有方面进行合作，你正在进行共同设计。
我尝试创造一个环境，让公司每一层的专家与贡献者，都能同时参与解决问题，这些就是我的管理原则。
AMD董事长苏姿丰：AI 对我们影响持续、深远
美国AMD超微半导体公司董事长、CEO苏姿丰近期参加微软CTO凯文·斯科特Kevin Scott主持的《Behind the Tech》播客节目。
Kevin Scott：大家好，欢迎收听《Behind the Tech》。
这档播客中，我们将深入了解科技背后的故事。我们将与那些使我们的现代科技世界成为可能的人们交谈，了解是什么激励他们创造了他们所做的一切。请加入我，也许我们可以了解一些计算机历史，并深入了解今天正在发生的事情。
AMD董事长、CEO苏姿丰博士，她领导了公司向高性能与自适应计算领导者的转型。她热衷与合作伙伴紧密合作，提供下一代计算与AI解决方案，以解决世界上最重要的挑战。
2018年，她被选入国家工程学院，2021年，她被IEEE授予最高的半导体荣誉，罗伯特·诺伊斯奖章，并被拜登总统任命为总统科技顾问委员会成员，她还担任半导体工业协会董事会成员。
欢迎苏姿丰来到《Behind the Tech》。非常感谢你今天加入我们。
苏姿丰：很高兴与你在一起，Kevin，谢谢你邀请我。
Kevin Scott：你是从什么时候开始对科技产生兴趣？是在你小时候与父母相处过程中培养起来的？
苏姿丰：当然，我出生在中国台湾，在纽约长大，我父亲是一名数学家，更准确说，他是一名统计学家。每当孩子们坐在餐桌旁时，他就会让我们练习乘法表，这促使我必须在数学方面表现出色，我一直对事物的工作原理与结构充满好奇。
关于这一点，我最早的记忆是与弟弟一起玩遥控汽车。有一次，那辆遥控汽车突然停下来，我开始思考它为什么会停下来。我拆开它，发现里面有一根电线松动。当我把电线放回正确位置后，它重新跑起来。那一刻，我幼小的心灵受到极大震撼。从那时起，我就开始对各种事物的工作原理产生好奇心。
Kevin Scott：你当时多大？
苏姿丰：我不知道，大概 10 岁左右，我弟弟更年轻，我只是有点好奇事情是如何运作的。
Kevin Scott：我认为这些，这真的很有趣。对于年幼时的偶然发现，你是否觉得特别有趣？有些东西，在你看来难以理解，甚至神奇，直到你逐渐掌握它们工作原理，才开始真正理解这些事物运行逻辑？
苏姿丰：确实如此，每当你掌握一些新知识，都会有一种自豪感油然而生，这种感觉会一直伴随你的成长。
你很自豪想，好像我在那里学到一些东西，这就是你的想法。
Kevin Scott：你在高中时期，已经决定要在大学攻读电气工程专业吗，还是在进入大学之后才做出这个决定？
苏姿丰：我高中时，可能是书呆子。当时我参加数学小组等活动，毕业后有幸进入麻省理工学院完成本科学业。在那里，每个人都对工程领域充满热情。
学院里开设很多电子工程与计算机科学的课程，那里环境对我影响很大。不过问题随之而来，你想成为一名工程师吗？你想研发硬件，还是软件？你想成为计算机科学家吗？周围的同学，都在思考这些问题。对我来说，我确信自己想成为一名硬件工程师。
Kevin Scott：你是如何发现自己更倾向硬件领域？我也有过类似困惑。年轻时，我对电子与电气工程都很感兴趣，包括一些软件方面知识。我最终选择软件，我觉得软件在某些方面更有优势。
苏姿丰：我有软件方面经验，我就像是在帮助一个实验室项目。
麻省理工学院的优点之一，是他们鼓励本科生参与研究工作。除了课程作业，学院还鼓励学生尝试各种课外项目。
我有过两次类似于实验室项目的实习经历，一次是参与软件开发，那时我时薪是5美元或等值的其他报酬。那份工作，让我有机会与实验室同事们一起合作。另一次是研究硬件相关项目，属于半导体领域。任务繁重，我坚持下来。那次实验中，我们将晶圆放入反应离子刻蚀机中，在显微镜下观察它的变化，正是这次经历，让我对硬件产生浓厚的兴趣。
我不是要贬低软件领域，软件同样非常重要且有趣。但在那时，硬件对我来说，更具吸引力。我有机会亲眼见证芯片的制造过程，尽管它们并不是当时最先进的技术。那时我们就能在硬币大小材料上，构建晶体管，并在系统上进行测试，这正是我选择进入半导体行业的原因。
Kevin Scott：某种程度上，我们都能意识到，如果你在计算领域工作，硬件与软件这两个部分是同样重要。
我想首先谈谈你的实践经验，就像我们的主题之一，我们在与计算机科学家与工程师讨论时，经常会提到一个话题：过去几十年来，人类在计算机领域建立的抽象层，有时会掩盖一些底层的技术细节。你是否还能回想起在材料科学课程中获得的成就感？
苏姿丰：我是个坚定的信徒。有些人可能更擅长理论学习，有些人更注重实际操作。两者都有各自优势，都能体验到不同事物。我更倾向于通过实践来学习，我认为经历非常重要。
本科时期，我上的第一堂课就是搭建自己个人电脑。我不仅需要构建电路，还要进行编程。亲手打造出自己半导体设备，并观察每一个步骤是如何完成的感觉，可能并不是每个人都会喜欢，我非常享受这个过程。
我喜欢触摸与感受由我构建的产品，这对我来说有种成就感，我认为学校应该帮助我们思考在生活中喜欢做什么。
我不会说每个人都喜欢这些经历，我确实喜欢，学校不应该是工作培训。它不应该是职业培训，它应该帮助我们思考在生活中喜欢做什么，这让我难以忘怀，看到你所做的事情的结果是非常重要的，我喜欢制造我可以触摸与感觉的产品，走进百思买，看看这些产品，或者走进数据中心，看看这些产品，这就是我喜欢的。
Kevin Scott：说到硬件与软件区别，有个有趣的现象。我认为，总的来说，硬件是一件很好的事情。即使你在编写程序时，也很难获得像构建芯片那样的直观感受。即使你把软件一点一滴组装成完整的系统，也不会像组装自己个人电脑有成就感。
比如，一块主板、一个机箱、一个电源、一个CPU，你只是在物理上组装这些东西，最后能给你带来一种实实在在的成就感。
苏姿丰：我是在鼓励你来硬件方面，还是......
Kevin Scott：我已经做了很长一段时间软件，我在想，实际上我现在正在录制的机器，有一个AMD 32核Threadripper CPU，你知道这是非常定制的配置。我正准备做另一个版本，我可能会手工组装下一个，我已经很久没有组装自己个人电脑。
苏姿丰：太令人兴奋了。我必须把我们最新的ThreadRipper寄给你，我们刚推出下一代。这很酷，我完全同意你的看法，我认为能够亲手构建，并触摸到技术的机会，是非常酷的。这对于引导学生进入STEM科学、技术、工程与数学领域，也是非常有帮助。
Kevin Scott：你在麻省理工学院主修电子工程，完成学业后，你是如何规划下一步的？
苏姿丰：我是麻省理工学院终身教授，我在麻省理工学院完成本科、硕士、博士学位的学习，这是一段相当艰难的经历。
当时，我朋友们都陆续毕业，开始寻找工作。我觉得自己还有很多需要学习的地方，我决定继续攻读博士学位，专注半导体领域研究，我真的很感激我的博士导师。
他叫Dimitri Antoniadis，建立早期模拟芯片能力的人之一。我觉得有更多东西要学，我决定获得博士学位，我的重点是半导体设备，我当时正在建造四分之一微米0.25um设备，这在当时非常非常先进。
现在人们谈论的是2nm技术，但在当时，我的研究方向是构建四分之一微米的设备，那在当时已经是非常非常先进的技术，甚至可以说是艺术级作品。我选择了继续深造，希望能够在这一领域做出更多贡献。
即使在那时，人们也在谈论摩尔定律是否结束。它显然没有结束，我研究了一种叫做绝缘体上硅设备的东西，这是很大的学习，但它也很有趣，你可以认为你正在做一些最先进的研究，作为你学习的一部分。
Kevin Scott：我很想知道你对博士学位价值的看法。许多人认为博士学位主要价值在于对先进技术的贡献，我认为它的价值更在于能够完成一件非常复杂的事情，并将其综合起来。你认为你的博士学位，对你来说有多大价值？
苏姿丰：在我作为一名学生时，我总是急切想要前进，当我开始攻读博士学位时，我希望能尽快完成。
博士学位对我来说，具有无法估量的价值。它不仅是一个学历，更是一个让我学会如何思考，并解决复杂问题的机会，这段经历给了我巨大信心。
想象一下，某个没人能解决的问题，你能去找一本书，然后说，这是如何解决它的答案吗？很明显这是行不通的。
我们真正需要做的，是要好好想想，该怎么解决这个问题，如何为行业或学术界做出贡献，答案并不明确。
对我来说，是3年、4年、5年，真的给了你信心，你可以在某个领域做出最高水平的贡献，这就是我从中学到的东西。
我只是认为它教会你如何思考，那段时间这一研究给了我信心，即使在当时，这也是一个团队，我喜欢与其他研究生一起，研究如何解决这些问题。
Kevin Scott：我认为，你所研究的那些问题都相当棘手，且前所未有，你无法向他人寻求答案。你从麻省理工学院毕业后，第一份工作是什么？
苏姿丰：我毕业后，第一份工作是在达拉斯的德州仪器TI，模拟半导体公司。我在那里工作时间很短，仅仅不到1年，那段时间我非常想家。之后，我早期职业生涯大部分时间都是在TJ Watson研究中心，然后在纽约IBM度过。
Kevin Scott：当时，你是在研究他们在那里建造的RISC处理器吗？
苏姿丰：那时IBM一直聚焦于新一代技术发展，我把大量时间花在工艺技术领域，我们一直在关注下一代技术。在IBM，我一直在研究处理器技术，IBM第一个处理器。
从我开始接触的第一个处理器到现在，已经过去30年。我参与开发的第一个处理器，是PowerPC处理器，它被广泛应用在个人电脑，以及一些大型服务器系统上。
Kevin Scott：我记得，我曾经去过一所科技管理学校，那里有一台可能是最早的PowerPC，我们做了很多实习。我只记得，那是一件神奇的事情。
苏姿丰：超级超级有趣。我意思是，这又是一种RISC处理的想法，对我们来说，这是我们如何在正确地方获得性能与功率。
Kevin Scott：我想说，在我们两人职业生涯早期，都经历了一场技术变革。那是一个指令集架构创新，层出不穷的时代，有PowerPC、PA Risk、MIPS、DEC等。最终，全球大部分电脑，都开始采用英特尔x86指令集处理器。
现在，我们似乎又进入同样有趣的时代，ARM处理器，以及计算能力越来越强的GPU正在崛起，这种变革与二三十年前的情况颇为相似。对此，你有何感想呢？
苏姿丰：回想起二、三十年前，那时有各种各样的指令集，很多都无法实现规模化与商业化。
这很有趣，我们当时都在做alpha东西，我们确实建造了很多指令集与x86架构等，但我实际上还没有找到两者之间的相似之处。
我认为情况是这样，实际上我很想知道你对此的看法，那就是指令集，当然在那些日子里，有这么多不同的指令集，以及某种程度的整合，我不认为它与指令集有太多的关系。
我意思是，人们总是问我关于ARM与x86的对比，我想，看…这不是ARM对x86的问题。
伟大的指令集，是关于我们试图在其上运行的应用程序与生态系统，有很多想要扩大规模的原因，如果我想想20年前发生的事情，只是你有太多指令集，其中许多都不能扩展。
现在你看看今天，随着我们正在做的事情，工作负载正在改变，这就是GPU如此重要的原因。
现在，随着工作量与方式的变化，GPU市场需求激增，这使得GPU的性能变得来越重要重要。比如最近热议的AI，AI企业对算力的需求日益增长，市场随之不断扩大，这就是选择研究方向的关键所在。
Kevin Scott：我想我是一个关心指令集的怪人。我的职业生涯，是从编写很多汇编语言代码开始。研究生阶段，我专注编译器与计算机架构。我为x86编写了一个软件解码器，我认为你关心的是你是否在堆栈的最底层实现了一些东西，但这只是开发活动中的一小部分。就像其他人一样，你想要的是低功耗、高性能与便宜。
苏姿丰：是的。
Kevin Scott：就像这三件事一样，就你的观点而言，我认为规模推动了这一点。
苏姿丰：你是否同意，当你思考现在的情况时，在最低、最低级别编程的相对好处可能更少，有这么多的计算能力。这就是为什么人们为了速度与灵活性，以及所有这些东西，而向上移动堆栈？或者你如何看待最高与最低级别编程之间的关系。
Kevin Scott：我认为这将是同样的事情。我认为，随着时间的推移，需要处理计算堆栈最底层细节的人会越来越少。我甚至认为，最终大部分开发人员，可能会被AI所取代。
他们正在尝试做一些可能的事情，他们必须从最底层的东西中挤出最后一点性能。我认为对大多数开发人员来说，最终大部分都会被抽象掉，这就是一直发生的事情。
苏姿丰：我完全同意这个观点，这正是我们所预见的趋势。技术日新月异，计算机迭代的速度，几乎可以弥补任何不足，我把这种现象称为抽象性想象力的丧失。
Kevin Scott：确实如此。即便如此，我们仍然需要那些对低层次细节与问题充满热情的工程师群体，我们需要他们来构建低层次的系统软件。
当我看到一些孩子在学习计算机科学课程时，他们展现出的抽象水平非常高。你是否真正喜欢深入理解你正在操作的完整堆栈？是否有兴趣成为那些在系统低级别层面上摸索的系统人员之一？专研底层堆栈的系统工程师，会不会消失？
苏姿丰：很多人问过我，AMD是如何让足够多的人对硬件产生兴趣。每个人的兴趣点都不同，我认为在软件优化与推动硬件优化方面，还有很多工作可以做。
我认为你完全正确。我认为，当我们思考，你如何拥有最好的工程师，或者最聪明的人，你希望他们拥有广泛的经验。我是说，这真的很重要。我意思是，你仍然可以专业化，但了解的广度，如计算机如何工作，以及你需要做什么来实现这一点，我认为这是非常重要的。
对于我交谈过的很多人来说，发生的一件事是，我们如何让足够多的人对硬件感兴趣？软件是性感的地方，我试着说，看…每个人的兴趣都不一样，但在硬件优化与推动方面仍有很多可以做的事情。
…………